Visualization_with_seaborn_and_matplotlib

Python

Seaborn

Matplotlib

Author

Hyunsoo Kim

Published

May 7, 2022

seaborn과 matplotlib의 시각화

코드 출처 - 이제현님 블로그

https://jehyunlee.github.io/2020/09/30/Python-DS-34-seaborn_matplotlib/
원문: by Aurélien Geron (Link)
Translated by Chansung PARK (Link)
Object Oriented API Addition by Jehyun LEE (Link)

처음으로 그려보는 그래프

데이터 몇 개로 plot 함수를 호출한 다음, show 함수를 호출해주면 간단히 그래프를 그려볼 수 있습니다!

plot 함수에 단일 배열의 데이터가 주어진다면, 수직 축의 좌표로서 이를 사용하게 되며, 각 데이터의 배열상 색인(인덱스)을 수평 좌표로서 사용합니다. 두 개의 배열을 넣어줄 수도 있습니다: 그러면, 하나는 x 축에 대한것이며, 다른 하나는 y 축에 대한것이 됩니다

import matplotlib
%matplotlib inline  
import matplotlib.pyplot as plt

plt.plot([1, 3, 4, 9, 1, 3])
plt.show() #객체지향이 아닌 기본적인 pyplot의 ploting 방법

같은 그림을 object oriented API를 이용해 그려보겠습니다.

object oriented API는 그래프의 각 부분을 객체로 지정하고 그리는 것으로, 다음과 같은 패턴을 가지고 있습니다.

# object oriented API (객체 지향 API)
# 1. 도화지(Figure: fig)를 깔고 그래프를 그릴 구역(Axes: ax)을 정의합니다.  
fig, ax = plt.subplots()

# 2. ax 위에 그래프를 그립니다.
ax.plot([1, 3, 4, 9, 1, 3])

# 3. 그래프를 화면에 출력합니다.
plt.show()

fig #이처럼 객체 지향은 fig라는 곳에 플롯을 저장해서 진행하는 스타일

이번에는 수학적인 함수를 그려보겠습니다. NumPy의 linespace 함수를 사용하여 -2 ~ 2 범위에 속하는 500개의 부동소수로 구성된 x 배열을 생성합니다. 그 다음 x의 각 값의 거듭제곱된 값을 포함하는 y 배열을 생성합니다

그래프가 약간은 삭막해 보입니다. 타이틀과 x 및 y축에 대한 라벨, 그리고 모눈자를 추가적으로 그려보겠습니다.

# pyplot
import numpy as np
x = np.linspace(-2, 2, 500)
y = x**2
plt.plot(x, y)
plt.title("Square function")
plt.xlabel("x")
plt.ylabel("y = x**2")
plt.grid(True)
plt.show()

object-oriented API는 축 이름과 같은 설정 명령어가 pyplot과 다소 다릅니다.
대체로 축 이름(label), 범위(limits) 등을 지정하는 명령어는 set_대상(), 거꾸로 그래프에서 설정값을 가져오는 명령어는 get_대상()으로 통일되어 있습니다.

# object oriented API
fig, ax = plt.subplots()

ax.plot(x, y)
ax.set_title("Square function")
ax.set_xlabel("x")
ax.set_ylabel("y = x**2")
ax.grid(True) 

plt.show() #pyplot과 유사한 방식이지만 set이 추가되어 있는 모습이다

선의 스타일과 색상

기본적으로 matplotlib은 바로 다음에 위치한(연이은) 데이터 사이에 선을 그립니다.

세 번째 파라미터를 지정하면 선의 스타일과 색상을 바꿀 수 있습니다. 예를 들어서 “g–”는 “초록색 파선”을 의미합니다.

# object oriented API

fig, ax = plt.subplots()

ax.plot([0, 100, 100, 0, 0, 100, 50, 0, 100], [0, 0, 100, 100, 0, 100, 130, 100, 0])
ax.set_xlim(-10, 110)
ax.set_ylim(-10, 140)

# 그래프의 범위는 pyplot과 같이 ax.axis([-10, 110, -10, 140]) 으로 지정할 수 있습니다.
# 하지만 위와 같이 set_xlim, set_ylim을 사용해서 명시하는 것이 더 체계적으로 느껴집니다.

plt.show()

# object oriented API

fig, ax = plt.subplots()

ax.plot([0, 100, 100, 0, 0], [0, 0, 100, 100, 0], "r-") #선의 색생과 선의 종류를 지정
ax.plot([0, 100, 50, 0, 100], [0, 100, 130, 100, 0], "g--")
ax.set_xlim(-10, 110)
ax.set_ylim(-10, 140)

plt.show()

선 대신에 간단한 점을 그려보는 것도 가능합니다. 아래는 초록색 파선, 빨강 점선, 파랑 삼각형의 예를 보여줍니다.

# object oriented API

fig, ax = plt.subplots()

x = np.linspace(-1.4, 1.4, 30)

ax.plot(x, x, 'g--')
ax.plot(x, x**2, 'r:')
ax.plot(x, x**3, 'b^') #플롯을 하나씩 나누어서 그려주어 합쳐서 한줄에 쓰는 것보다 더 직관적이다 

plt.show()

# object oriented API

x = np.linspace(-1.4, 1.4, 30)

fig, ax = plt.subplots()

line1 = ax.plot(x, x, 'g--', linewidth=3, dash_capstyle='round') #linewidth로 굵기 dash_capstyle로 대쉬의 모형 선택
line2 = ax.plot(x, x**2, 'r:')
line3 = ax.plot(x, x**3, 'b^', alpha=0.2) #alpha로 투명도 조절

plt.show()

부분 그래프 (subplot)

matplotlib는 하나의 그림(figure)에 여러개의 부분 그래프를 포함할 수 있습니다. 이 부분 그래프는 격자 형식으로 관리됩니다. subplot 함수를 호출하여 부분 그래프를 생성할 수 있습니다. 이 때 격자의 행/열의 수 및 그래프를 그리고자 하는 부분 그래프의 색인을 파라미터로서 지정해줄 수 있습니다 (색인은 1부터 시작하며, 좌->우, 상단->하단의 방향입니다).

# object oriented API

x = np.linspace(-1.4, 1.4, 30)

fig, ax = plt.subplots(2, 2) # 행과 열의 개수를 지정

ax[0, 0].plot(x, x)    
ax[0, 1].plot(x, x**2)   
ax[1, 0].plot(x, x**3)   
ax[1, 1].plot(x, x**4) # ax[row, col]

plt.show()

# object oriented API

grid = plt.GridSpec(2, 2)  # 2행 2열 크기의 격자를 준비합니다.

ax1 = plt.subplot(grid[0, 0])  
ax2 = plt.subplot(grid[0, 1])  
ax3 = plt.subplot(grid[1, 0:]) # 2행의 전체열을 의미한다 

ax1.plot(x, x)
ax2.plot(x, x**2)
ax3.plot(x, x**3)

plt.show()

보다 복잡한 부분 그래프의 위치 선정이 필요하다면, subplot2grid를 대신 사용할 수 있습니다. 격자의 행과 열의 번호 및 격자에서 해당 부분 그래프를 그릴 위치를 지정해줄 수 있습니다 (좌측상단 = (0,0). 또한 몇 개의 행/열로 확장되어야 하는지도 추가적으로 지정할 수 있습니다.

# object oriented API - 객체지향 

gridsize = (3, 3)     # 3행 3열 크기의 격자를 준비합니다.
ax1 = plt.subplot2grid(gridsize, (0,0), rowspan=2, colspan=2) #행과 열 방향으로 각각 2씩 늘린다
ax2 = plt.subplot2grid(gridsize, (0,2))
ax3 = plt.subplot2grid(gridsize, (1,2), rowspan=2) #행 방향으로 2만큼 늘린다
ax4 = plt.subplot2grid(gridsize, (2,0), colspan=2) #열 방향으로 2만큼 늘린다 

ax1.plot(x, x**2)
ax2.plot(x, x**3)
ax3.plot(x, x**4)
ax4.plot(x, x**5)

plt.show()

여러개의 그림 (figure)

여러개의 그림을 그리는것도 가능합니다. 각 그림은 하나 이상의 부분 그래프를 가질 수 있습니다. 기본적으로는 matplotlib이 자동으로 figure(1)을 생성합니다. 그림간 전환을 할 때, pyplot은 현재 활성화된 그림을 계속해서 추적합니다. 또한 활성화된 그림의 활성화된 부분 그래프가 현재 그래프가 그려질 부분 그래프가 됩니다.

# object oriented API

x = np.linspace(-1.4, 1.4, 30)

fig1, ax1 = plt.subplots(nrows=2, ncols=1) #2행 1열의 격자를 생성

ax1[0].plot(x, x**2)
ax1[0].set_title("Square and Cube")

ax1[1].plot(x, x**3)


fig2, ax2 = plt.subplots(nrows=1, ncols=2, figsize=(10, 5)) #격자의 크기를 지정
ax2[0].plot(x, x**4)
ax2[0].set_title("y = x**4")

ax2[1].plot(x, x**5)
ax2[1].set_title("y = x**5")

ax1[1].plot(x, -x**3, "r:")    # fig1의 두번째 그림에 추가되어 표현이 된다 
plt.show()

텍스트 그리기

text 함수를 호출하여 텍스트를 그래프의 원하는 위치에 추가할 수 있습니다. 출력을 원하는 텍스트와 수평 및 수직 좌표를 지정하고, 추가적으로 몇 가지 속성을 지정해 주기만 하면 됩니다. matplotlib의 모든 텍스트는 TeX 방정식 표현을 포함할 수 있습니다.

# object oriented API  
x = np.linspace(-1.5, 1.5, 30) #정해진 범위에 따라 숫자를 n개 만든다 
px = 0.8
py = px**2 #

fig, ax = plt.subplots() 

ax.plot(x, x**2, "b-")
ax.plot(px, py, "ro") #red색상과 o모양으로 설정 

ax.text(0, 1.5, "Square function\n$y = x^2$", fontsize=20, color='blue', horizontalalignment="center") #위치와 글자크기등을 설정해줌
ax.text(px - 0.08, py, "Beautiful point", ha="right", weight="heavy")
ax.text(px, py, "x = %0.2f\ny = %0.2f"%(px, py), rotation=50, color='gray') #rotation으로 기울기도 설정 

plt.show()

범례 (Legends)

범례를 추가하는 가장 간단한 방법은 모든 선에 라벨을 설정 해 주고, legend 함수를 호출하는 것입니다.

# object oriented API

x = np.linspace(-1.4, 1.4, 50)

fig, ax = plt.subplots()

ax.plot(x, x**2, "r--", label="Square function") #label을 이용해서 범례를 설정이 가능하다 
ax.plot(x, x**3, "g-", label="Cube function")
ax.legend(loc="best") 
ax.grid(True)
plt.show()

틱과 틱커 (Ticks and tickers)

각 축에는 “틱(ticks)”이라는 작은 표시가 있습니다. 정확히 말하자면, “틱”은 표시(예. (-1, 0, 1))의 위치”이며, 틱 선은 그 위치에 그려지는 작은 선입니다. 또한 “틱 라벨”은 틱 선 옆에 그려지는 라벨이며, “틱커”는 틱의 위치를 결정하는 객체 입니다. 기본적인 틱커는 ~5 에서 8 틱을 위치시키는데 꽤 잘 작동합니다. 즉, 틱 서로간에 적당한 거리를 표현합니다.

하지만, 가끔은 좀 더 이를 제어할 필요가 있습니다 (예. 위의 로짓 그래프에서는 너무 많은 틱 라벨이 있습니다). 다행히도 matplotlib은 틱을 완전히 제어하는 방법을 제공합니다. 심지어 보조 눈금(minor tick)을 활성화 할 수도 있습니다.

# object oriented API

x = np.linspace(-2, 2, 100)

fig, ax = plt.subplots(ncols=3, figsize=(15, 10)) #3열로 플롯을 그릴수 있도록

ax[0].plot(x, x**3)
ax[0].grid(True)
ax[0].set_title("Default ticks")

ax[1].plot(x, x**3)
ax[1].grid(True)
ax[1].set_xticks(np.arange(-2, 2, 1)) #xticks를 -2~1까지 1씩 증가하도록
ax[1].set_title("Manual ticks on the x-axis")

ax[2].plot(x, x**3)
ax[2].grid(True)
ax[2].minorticks_on()
ax[2].set_xticks([-2, 0, 1, 2], minor=False) #xticks를 지정
ax[2].set_yticks(np.arange(-5, 5, 1)) #yticks를 -5~4까지 1씩 증가하도록 
ax[2].set_yticklabels(["min", -4, -3, -2, -1, 0, 1, 2, 3, "max"]) #label를 지정해서 표현도 가능 
ax[2].set_title("Manual ticks and tick labels\n(plus minor ticks) on the y-axis")

plt.show()

산점도(Scatter plot)

단순히 각 점에 대한 x 및 y 좌표를 제공하면 산점도를 그릴 수 있습니다.

부수적으로 각 점의 크기를 정할 수도 있습니다.

마찬가지로 여러 속성을 설정할 수 있습니다. 가령 테두리 및 모양의 내부 색상, 그리고 투명도와 같은것의 설정이 가능합니다.

# object oriented API

from numpy.random import rand
x, y = rand(2, 100) #랜덤한 값들을 뽑아줌 

fig, ax = plt.subplots()
ax.scatter(x, y) #scatter함수로 스캐터 플롯으로 그릴수 있도록 해줌
plt.show()

# object oriented API

fig, ax = plt.subplots()

for color in ['red', 'green', 'blue']:
    n = 100
    x, y = rand(2, n)
    scale = 500.0 * rand(n) ** 5 #포인트들의 크기를 조절 
    ax.scatter(x, y, s=scale, c=color, alpha=0.3, edgecolors='blue') #지정해준 컬러와 투명도 테두리의 색상을 지정이 가능 

ax.grid(True)

plt.show()

# object oriented API

from numpy.random import randn

# Axis를 인자로 전달하여 함수 연산과 시각화를 수행합니다.
def plot_line(axis, slope, intercept, **kargs):
    xmin, xmax = axis.get_xlim()
    axis.plot([xmin, xmax], [xmin*slope+intercept, xmax*slope+intercept], **kargs)

x = randn(1000)
y = 0.5*x + 5 + randn(1000)*2

fig, ax = plt.subplots()

ax.set_xlim(-2.5, 2.5) #x축의 범위지정
ax.set_ylim(-5, 15) #y축의 범위지정
ax.scatter(x, y, alpha=0.2) #alpha=0.2로 투명도 설정 
ax.plot(1, 0, "ro") #포인트를 red색상 o모양으로 표시
ax.vlines(1, -5, 0, color="red") #세로 라인
ax.hlines(0, -2.5, 1, color="red") #가로 라인을 표시 
plot_line(axis=ax, slope=0.5, intercept=5, color="magenta")  #기울기 0.5이고 beta_0가 5인 직선
ax.grid(True)
plt.show()

히스토그램

# object oriented API

data = [1, 1.1, 1.8, 2, 2.1, 3.2, 3, 3, 3, 3]

fig, ax = plt.subplots(2, 1)
ax[0].hist(data, bins = 5, rwidth=0.8) #bin - x축에서 막대그래프의 폭을 설정 

ax[1].hist(data, bins = [1, 1.5, 2, 2.5, 3], rwidth=0.95) #rwidth로 row의 넓이를 설정 
ax[1].set_xlabel("Value")
ax[1].set_ylabel("Frequency")

plt.show()

# object oriented API

data1 = np.random.randn(400)
data2 = np.random.randn(500) + 3 # x축에서 +3만큼 원점을 이동해서 플롯팅
data3 = np.random.randn(450) + 6
data4a = np.random.randn(200) + 9
data4b = np.random.randn(100) + 10

fig, ax = plt.subplots()
ax.hist(data1, bins=5, color='g', alpha=0.75, label='bar hist') # 기본적인 histtype='bar'
ax.hist(data2, color='b', alpha=0.65, histtype='stepfilled', label='stepfilled hist')
ax.hist(data3, color='r', histtype='step', label='step hist')
ax.hist((data4a, data4b), color=('r','m'), alpha=0.55, histtype='barstacked', label=('barstacked a', 'barstacked b'))

ax.set_xlabel("Value") # x축의 이름 지정
ax.set_ylabel("Frequency")
ax.legend()
ax.grid(True) # 한번에 여러개의 플롯을 그리는 경우 
plt.show()